KonkurStudy
همه کارت‌ها

شمارش و قواعد احتمال

ابزار شمارش و احتمال: انتخاب مرتب، اقلام تکراری، تخصیص صحیح کراندار با مقادیر متمایز، متمم، شرطی‌سازی، استقلال، احتمال کل و بیز.

کارت فرمول کنکور ارشد مدیریت

اهمیت
۰/۵

شمارش و قواعد احتمال (counting & the rules of probability) جعبه‌ابزاری است که یک گزارهٔ کلامی دربارهٔ شانس را به عدد تبدیل می‌کند: نخست حالت‌هایی را که یک پیشامد می‌تواند رخ دهد می‌شماریم، سپس پیشامدها را با جبر کوچکی از قواعد ترکیب می‌کنیم. در رویکرد کلاسیک (لاپلاس) همهٔ برآمدهای فضای نمونه (sample space) SS هم‌شانس‌اند، پیشامد (event) AA زیرمجموعه‌ای از SS است و

P(A)=n(A)n(S)=تعداد حالت‌های مطلوبتعداد کل حالت‌ها,P(A)=\frac{n(A)}{n(S)}=\frac{\text{تعداد حالت‌های مطلوب}}{\text{تعداد کل حالت‌ها}},

پس تمام دشواری کار در درست شمردن n(A)n(A) و n(S)n(S) نهفته است. قواعد — قاعدهٔ جمع (addition rule)، قاعدهٔ متمم (complement rule)، احتمال شرطی (conditional probability)، قاعدهٔ ضرب (multiplication rule)، استقلال (independence) — همان چیزی‌اند که به شما اجازه می‌دهند احتمالی را که مستقیماً قابل شمارش نیست، از روی احتمال‌هایی که قابل شمارش‌اند به دست آورید.

۱. خاستگاه — Origin

نظریهٔ کلاسیک از نامه‌نگاری سال ۱۶۵۴ میان بلز پاسکال (Blaise Pascal) و پیر دو فرما (Pierre de Fermat) دربارهٔ مسئلهٔ امتیازها (problem of points) (تقسیم عادلانهٔ شرط‌بندی در بازی نیمه‌تمام) زاده شد: چگونه باید مبلغ شرط‌بندیِ بازیِ شانسی را که پیش از پایان قطع شده است تقسیم کرد. پاسخ آنان — وزن‌دهی به هر برآمد بر پایهٔ شمار حالت‌هایی که هنوز می‌تواند رخ دهد — دقیقاً همان تعریف «شمردن حالت‌های مطلوب» است که در بالا آمد. فن حدس‌زدن (Ars Conjectandi) اثر یاکوب برنولی (Jacob Bernoulli) در ۱۷۱۳ قانون اعداد بزرگ را افزود، لاپلاس (Laplace) در نظریهٔ تحلیلی احتمالات (۱۸۱۲) به تعریف کلاسیک شکل استاندارد آن را داد، قاعدهٔ توماس بیز (Thomas Bayes) برای وارون‌کردن یک احتمال شرطی پس از مرگ او (۱۷۶۳) منتشر شد، و آ. ن. کولموگروف (A. N. Kolmogorov) در ۱۹۳۳ کل این حوزه را بر پایه‌ای اصل‌موضوعی نشاند. برای کنکور تنها دو مورد آخر کاربرد عملی دارند: اصول موضوعهٔ کولموگروف تعیین می‌کند احتمال چیست، و قضیهٔ بیز راه استاندارد وارون‌کردن یک گزارهٔ شرطی است.

۲. ساختار — The structure itself

۲.۱ دو اصل شمارش

اصل Principle چه هنگام فرمول
اصل ضرب Multiplication (product) rule یک کار در مرحله‌های پیاپی (successive stages) انجام می‌شود — مرحلهٔ ۱ و مرحلهٔ ۲ و … n1×n2×⋯×nkn_1\times n_2\times\dots\times n_k
اصل جمع Addition (sum) rule یک کار از راه حالت‌های مجزا (disjoint cases) انجام می‌شود — حالت ۱ یا حالت ۲ یا … n1+n2+⋯+nkn_1+n_2+\dots+n_k

هر آنچه در ادامه می‌آید، کاربرد مکرر همین دو اصل است.

۲.۲ چهار فرمول پایهٔ شمارش

دو پرسش تعیین می‌کند به کدام فرمول نیاز دارید: آیا ترتیب مهم است؟ (does order matter?) و آیا تکرار مجاز است؟ (is repetition / replacement allowed?). برای انتخاب rr شیء از میان nn شیء:

ترتیب مهم است؟ تکرار مجاز است؟ نام — Name تعداد
بله (ordered) خیر (بدون جایگذاری) جایگشت rr از nn — permutation P(n,r)=n!(n−r)!P(n,r)=\dfrac{n!}{(n-r)!}
بله (ordered) بله (با جایگذاری) نمونهٔ مرتب با جایگذاری nrn^{r}
خیر (unordered) خیر (بدون جایگذاری) ترکیب — combination (nr)=n!r! (n−r)!\binom{n}{r}=\dfrac{n!}{r!\,(n-r)!}
خیر (unordered) بله ترکیب با تکرار — multiset / combination with repetition (n+r−1r)\binom{n+r-1}{r}

این چهار مورد با یک اتحاد به هم پیوند می‌خورند که ارزش حفظ‌کردن دارد — یک انتخاب مرتب همان انتخاب نامرتب است که rr شیء برگزیده‌اش سپس چیده می‌شوند:

P(n,r)=(nr)×r!P(n,r)=\binom{n}{r}\times r!

۲.۳ حالت‌های خاص استاندارد

موقعیت تعداد
چیدمان همهٔ nn شیء متمایز n!n! (با 0!=10!=1)
چیدمان nn شیء با تکرارهای n1,…,nkn_1,\dots,n_k (جایگشت با اشیای تکراری) n!n1! n2!⋯nk!\dfrac{n!}{n_1!\,n_2!\cdots n_k!}
چیدمان‌های دوری (جایگشت دوری) nn شیء (n−1)!(n-1)!
تعداد زیرمجموعه‌های یک مجموعهٔ nn-عضوی 2n2^{n}
توابع از یک مجموعهٔ mm-عضوی به یک مجموعهٔ nn-عضوی nmn^{m}
توابع یک‌به‌یک (injective)، m≤nm\le n P(n,m)=n!(n−m)!P(n,m)=\dfrac{n!}{(n-m)!}
توابع دوسویی (bijective)، m=nm=n n!n!

اتحادهای پرکاربرد: (nr)=(nn−r)\binom{n}{r}=\binom{n}{n-r}، قاعدهٔ پاسکال (nr)=(n−1r−1)+(n−1r)\binom{n}{r}=\binom{n-1}{r-1}+\binom{n-1}{r}، و ∑r=0n(nr)=2n\sum_{r=0}^{n}\binom{n}{r}=2^{n}.

۲ـ۴. تخصیص واحدهای یکسان با مقادیر متمایز

تخصیص صحیح (integer allocation) واحدهای یکسان را به دریافت‌کنندگان متمایز (labelled recipients) اختصاص می‌دهد. هر برآمد، بردار مقادیر است، نه انتخاب واحدهای متمایز: جابه‌جایی دو مقدار نابرابر میان دریافت‌کنندگان، تخصیص تازه‌ای می‌سازد. این کار را از صرفاً انتخاب مجموعهٔ نامرتبِ مقادیر جدا کنید.

فرض کنید تمام NN واحد باید به kk دریافت‌کننده تخصیص یابد، با کران صحیح مشترک UU و مقادیر دوبه‌دو متمایز:

x1+⋯+xk=N,0≤xi≤U,xi≠xj (i≠j).x_1+\cdots+x_k=N,\qquad 0\le x_i\le U,\qquad x_i\ne x_j\ (i\ne j).

مقادیر را به‌صورت 0≤a1<a2<⋯<ak≤U0\le a_1<a_2<\cdots<a_k\le U مرتب کنید. چون ai≥i−1a_i\ge i-1:

N≥0+1+⋯+(k−1)=k(k−1)2.N\ge 0+1+\cdots+(k-1)=\frac{k(k-1)}{2}.

نخست U≥k−1U\ge k-1 را بررسی کنید. حداکثر مجموع ممکن را نیز با استفاده از kk مقدار مجازِ بزرگ‌تر بررسی کنید:

N≤U+(U−1)+⋯+(U−k+1)=kU−k(k−1)2.N\le U+(U-1)+\cdots+(U-k+1)=kU-\frac{k(k-1)}{2}.

اگر مجموع برابر حداقل باشد، تنها مجموعهٔ مقادیر {0,1,…,k−1}\{0,1,\ldots,k-1\} است: افزایش هر مقدارِ مرتب‌شده، مجموع را افزایش می‌دهد. برای دریافت‌کنندگان متمایز، این مجموعه k!k! تخصیص می‌دهد. اگر مجموع بیش از حداقل باشد، فهرست‌های صعودی مجاز با رعایت مجموع و کران بالا را بشمارید، سپس هر فهرست را جایگشت دهید:

allocation count=k!×number of feasible increasing value lists.\text{allocation count}=k!\times\text{number of feasible increasing value lists}.

این ضریب، یکسان‌بودن کران‌ها برای همهٔ دریافت‌کنندگان را فرض می‌کند. برای محدودیت اختصاصی هر دریافت‌کننده، باید جایگشت‌های مجاز را بررسی کرد. برای مجموع‌های بزرگ‌تر، بنویسید ai=(i−1)+yia_i=(i-1)+y_i: مقادیر باقیمانده باید 0≤y1≤⋯≤yk≤U−k+10\le y_1\le\cdots\le y_k\le U-k+1 و ∑iyi=N−k(k−1)2\sum_i y_i=N-\frac{k(k-1)}{2} را رعایت کنند. قید ترتیب باقی می‌ماند؛ اینها متغیرهای نامقیدِ ستاره و میله نیستند.

مثال تازه. شش ژتون یکسان را میان چهار صندوق نام‌گذاری‌شده توزیع کنید؛ سهم هر صندوق عدد صحیحی از صفر تا چهار و هر چهار مقدار متمایز باشد. حداقل مجموع برابر است با

Nmin⁡=4(4−1)2=6.N_{\min}=\frac{4(4-1)}{2}=6.

پس مقادیر دقیقاً {0,1,2,3}\{0,1,2,3\} هستند و

allocation count=4!=24.\text{allocation count}=4!=24.

یک مجموعهٔ نامرتب، ۲۴ تخصیص به دریافت‌کنندگان متمایز می‌سازد. ستاره و میلهٔ معمولی (6+4−14−1)=(93)=84\binom{6+4-1}{4-1}=\binom{9}{3}=84 می‌دهد، اما مقادیر برابر و مقادیر بیش از چهار را نیز شامل می‌شود. انتخاب (54)=5\binom{5}{4}=5 مجموعهٔ مقادیر، مجموع آنها را نادیده می‌گیرد؛ فقط یک مجموعه مجموع شش دارد.

مسئله تعداد یا روش علت تفاوت
انتخاب kk مقدار متمایز از U+1U+1 مقدار (U+1k)\binom{U+1}{k} نه مقادیر را به دریافت‌کنندگان تخصیص می‌دهد، نه مجموع مشخصی را اعمال می‌کند
تخصیص NN واحد یکسان به kk دریافت‌کنندهٔ متمایز، نامنفی و بدون کران بالا یا تمایز (N+k−1k−1)\binom{N+k-1}{k-1}، ستاره و میلهٔ معمولی (ordinary stars-and-bars) مقادیر برابر را مجاز می‌داند
همان تخصیص با مقادیر مثبت (N−1k−1)\binom{N-1}{k-1} برای N≥kN\ge k نخست یک واحد برای هر دریافت‌کننده کنار بگذارید
تخصیص کراندار یا با مقادیر دوبه‌دو متمایز شمارش بردارهای مجاز؛ برای کران مشترک و تمایز، فهرست مرتب و سپس جایگشت نه ترکیب نامقید و نه ستاره و میلهٔ معمولی این قیود هم‌زمان را اعمال نمی‌کند

۲.۵ اصول موضوعه و قواعد احتمال

اصول موضوعهٔ کولموگروف: 0≤P(A)≤10\le P(A)\le 1، P(S)=1P(S)=1، و P(A∪B)=P(A)+P(B)P(A\cup B)=P(A)+P(B) هرگاه A∩B=∅A\cap B=\varnothing. اصل جمع‌پذیری به تعداد شمارای پیشامدهای مجزا نیز تعمیم دارد؛ قواعد دیگر زیر از اصول موضوعه نتیجه می‌شوند:

قاعده — Rule بیان چگونه بخوانیمش
متمم — complement P(Ac)=1−P(A)P(A^{c})=1-P(A) «حداقل یکی» ⇒ کم‌کردن «هیچ‌کدام»
جمع (عمومی) — general addition P(A∪B)=P(A)+P(B)−P(A∩B)P(A\cup B)=P(A)+P(B)-P(A\cap B) «یا» = اجتماع؛ شمارش مضاعف را حذف کن
جمع برای ناسازگارها — mutually exclusive P(A∪B)=P(A)+P(B)P(A\cup B)=P(A)+P(B) فقط وقتی A∩B=∅A\cap B=\varnothing
احتمال شرطی — conditional P(A∣B)=P(A∩B)P(B), P(B)>0P(A\mid B)=\dfrac{P(A\cap B)}{P(B)},\ P(B)>0 فضای نمونه را به BB کوچک کن
ضرب — multiplication P(A∩B)=P(B) P(A∣B)=P(A) P(B∣A)P(A\cap B)=P(B)\,P(A\mid B)=P(A)\,P(B\mid A) یک شاخه از درخت
استقلال — independence P(A∩B)=P(A)P(B)  ⟺  P(A∣B)=P(A), P(B)>0P(A\cap B)=P(A)P(B)\iff P(A\mid B)=P(A),\ P(B)>0 دانستن BB چیزی را عوض نمی‌کند
احتمال کل — total probability P(A)=∑iP(Bi)P(A∣Bi)P(A)=\sum_i P(B_i)P(A\mid B_i)، {Bi}\{B_i\} یک افراز میانگین‌گیری روی شاخه‌ها
بیز — Bayes P(Bj∣A)=P(Bj)P(A∣Bj)∑iP(Bi)P(A∣Bi)P(B_j\mid A)=\dfrac{P(B_j)P(A\mid B_j)}{\sum_i P(B_i)P(A\mid B_i)} وارون‌کردن شرطی‌سازی

قانون دمورگان پلی است که مسیر متمم را کارآمد می‌کند:

(A∪B)c=Ac∩Bc⟹P(A∪B)=1−P(Ac∩Bc)(A\cup B)^{c}=A^{c}\cap B^{c}\quad\Longrightarrow\quad P(A\cup B)=1-P(A^{c}\cap B^{c})

و برای nn پیشامد مستقل، P(at least one)=1−∏i=1n(1−P(Ai))P(\text{at least one})=1-\prod_{i=1}^{n}\bigl(1-P(A_i)\bigr).

برای نتایج قبولی/رد مستقل، تنها قبول‌شدن فرد مشخص مستلزم قبولی او و ردشدن همهٔ دیگران است. فقط پس از تصریح استقلال، احتمال‌های حاشیه‌ای قبولی/رد را ضرب کنید؛ برای شرطِ دقیقاً یک قبول، بر مجموع احتمال حالت‌های مجزای تنهاقبول‌شدن تقسیم کنید. بدون استقلال، احتمال‌های توأم یا شاخه‌های شرطی لازم‌اند.

۳. طرز به‌کارگیری — How to apply it

الف) شمارش. چهار پرسش را به ترتیب پاسخ دهید تا فرمول خودش انتخاب شود:

  1. آیا اشیا متمایزند؟ «شماره‌گذاری‌شده / متمایز» ⇒ بله. برای چیدمان انواع تکراری از n!/(n1!⋯nk!)n!/(n_1!\cdots n_k!) استفاده کنید؛ توزیع واحدهای یکسان به بردار مقادیر و قواعد تخصیص بالا نیاز دارد.
  2. آیا جایگاه اهمیت دارد؟ عبارت‌هایی که یک جایگاه را نام می‌برند — «مهرهٔ سوم»، «در یک ردیف»، «اول … سپس …»، رمز/شمارهٔ چند رقمی — شمارش را مرتب می‌کنند. کمیته، دستِ کارت و زیرمجموعه نامرتباند.
  3. آیا جایگذاری وجود دارد؟ «با جایگذاری» ⇒ nrn^{r}؛ «بدون جایگذاری» ⇒ P(n,r)P(n,r) یا (nr)\binom{n}{r}.
  4. آیا محدودیتی هست؟ نخست جایگاه‌های مقیّد را پر کنید، سپس جایگاه‌های آزاد را با آنچه باقی مانده بشمارید. اگر محدودیت به موقعیت‌های ناسازگار تقسیم می‌شود، از اصل جمع روی حالت‌های مجزا استفاده کنید و بررسی کنید که حالت‌ها واقعاً مجزا و جامع باشند.

ب) احتمال. پیش از محاسبه، ترجمه کنید. پیشامدها را با حرف نام‌گذاری کنید و سپس هر عبارت فارسی را به یک نماد نگاشت کنید:

عبارت فارسی نماد
«AA یا BB» A∪BA\cup B
«AA و BB» / «هر دو» A∩BA\cap B
«به شرط اینکه / در صورتی که BB رخ داده باشد»  ⋅∣B\,\cdot\mid B
«هیچ‌کدام» Ac∩BcA^{c}\cap B^{c}
«حداقل یکی» A∪B=(Ac∩Bc)cA\cup B=(A^{c}\cap B^{c})^{c}
«دقیقاً یکی» (A∩Bc)∪(Ac∩B)(A\cap B^{c})\cup(A^{c}\cap B)

سپس کم‌هزینه‌ترین مسیر را برگزینید: اگر داده‌ها شاخهٔ «هیچ‌کدام» را توصیف می‌کنند، از راه متمم بروید؛ اگر داده‌ها زنجیره‌ای از مرحله‌هایند، در طول درخت ضرب کنید؛ اگر داده‌ها به تفکیک دسته داده شده‌اند، از احتمال کل استفاده کنید؛ و اگر پرسش شرطی‌سازیِ داده‌شده را وارون می‌کند، از بیز استفاده کنید.

۴. مثال حل‌شده — Worked mini-example

یک محموله شامل 1010 واحد متمایز است که 33 تای آن‌ها معیوب (defective) و 77 تا سالم (sound) هستند. بازرس 33 واحد را بدون جایگذاری بیرون می‌کشد.

(الف) اندازهٔ فضای نمونه. برای نمونه‌ای سه‌تایی ترتیب بی‌اهمیت است، پس

n(S)=(103)=10!3! 7!=10×9×83×2×1=120.n(S)=\binom{10}{3}=\frac{10!}{3!\,7!}=\frac{10\times 9\times 8}{3\times 2\times 1}=120 .

(ب) دقیقاً یک معیوب. انتخاب اینکه کدام معیوب و کدام دو سالم (اصل ضرب):

n(A)=(31)(72)=3×7×62=3×21=63⟹P(A)=63120=0.525.n(A)=\binom{3}{1}\binom{7}{2}=3\times\frac{7\times 6}{2}=3\times 21=63 \quad\Longrightarrow\quad P(A)=\frac{63}{120}=0.525 .

(ج) حداقل یک معیوب — از راه متمم، چون «هیچ معیوبی» یک شمارش سادهٔ تک‌مرحله‌ای است:

P(at least one)=1−P(none)=1−(73)(103)=1−35120=85120≈0.708.P(\text{at least one})=1-P(\text{none})=1-\frac{\binom{7}{3}}{\binom{10}{3}}=1-\frac{35}{120}=\frac{85}{120}\approx 0.708 .

(د) گزاره‌ای دربارهٔ جایگاه‌ها — «دو تای اول سالم و سومی معیوب باشد» جایگاه‌ها را نام می‌برد، پس با کشیدنِ مرتب کار کنید و در طول درخت ضرب کنید:

P=710×69×38=126720=0.175,P=\frac{7}{10}\times\frac{6}{9}\times\frac{3}{8}=\frac{126}{720}=0.175 ,

که عامل آخرش همان احتمال شرطی P(3rd defective∣first two sound)=38P(\text{3rd defective}\mid\text{first two sound})=\tfrac38 است.

(ه) وارسی تقارن. بدون شرط، سومین واحدِ کشیده‌شده با احتمال 310\tfrac{3}{10} معیوب است — همان احتمال واحد نخست. هم‌ارز آن، شمارش مستقیم کشیدن‌های مرتب: (31)×P(9,2)=3×72=216\binom{3}{1}\times P(9,2)=3\times 72=216 از P(10,3)=720P(10,3)=720، و 216/720=0.3216/720=0.3. جایگاه پیش از آنکه به کشیدن‌های قبلی نگاه کنید هیچ اطلاعاتی حمل نمی‌کند؛ اما پس از آن اطلاعات فراوانی حمل می‌کند.

۵. اشتباه نشود با… — Confused with

همسایه‌های شمارشی

زوج تفاوت آزمونی که جدایشان می‌کند
جایگشت P(n,r)P(n,r) در برابر ترکیب (nr)\binom{n}{r} ترتیب شمرده می‌شود یا نه؛ P=(nr)r!P=\binom{n}{r}r! آیا جابه‌جایی دو شیء برگزیده برآمد متفاوتی می‌دهد؟ بله ⇒ جایگشت
با جایگذاری nrn^{r} در برابر بدون جایگذاری P(n,r)P(n,r) شیء به مخزن بازمی‌گردد یا نه آیا همان شیء می‌تواند دو بار ظاهر شود؟
اصل ضرب در برابر اصل جمع مرحله‌های یک کار (AND) در برابر حالت‌های مجزا (OR) هر دو را انجام می‌دهید یا دقیقاً یکی از آن‌ها را؟
جایگشت خطی n!n! در برابر دوری (n−1)!(n-1)! ردیف صندلیِ نخست دارد؛ دایره نقطهٔ مرجع ندارد آیا چرخاندن کل چیدمان، چیدمان تازه‌ای می‌سازد؟
ترکیب (nr)\binom{n}{r} در برابر ترکیب با تکرار (n+r−1r)\binom{n+r-1}{r} اشیای متمایز در برابر انواع تکرارپذیر آیا یک نوع می‌تواند بیش از یک بار انتخاب شود؟
زیرمجموعه‌ها 2n2^{n} در برابر توابع nmn^{m} بودن/نبودن هر عضو در برابر نگاشت هر عضو به یکی از nn تصویر برای هر عضو دربارهٔ چه چیزی تصمیم گرفته می‌شود؟

همسایه‌های احتمالی

زوج تفاوت آزمونی که جدایشان می‌کند
ناسازگار (mutually exclusive) در برابر مستقل (independent) P(A∩B)=0P(A\cap B)=0 در برابر P(A∩B)=P(A)P(B)P(A\cap B)=P(A)P(B) دو پیشامد با احتمال ناصفر می‌توانند یکی از این دو باشند، اما هرگز هر دو — ناسازگاربودن آن‌ها را وابسته می‌کند
P(A∩B)P(A\cap B) در برابر P(A∣B)P(A\mid B) توأم (از کل SS) در برابر شرطی (فقط از BB) P(A∣B)=P(A∩B)/P(B) ≥P(A∩B)P(A\mid B)=P(A\cap B)/P(B)\ \ge P(A\cap B)
P(A∣B)P(A\mid B) در برابر P(B∣A)P(B\mid A) مخرج‌های متفاوت؛ با احتمال‌های حاشیه‌ای و اشتراک مثبت، برابری فقط وقتی P(A)=P(B)P(A)=P(B)؛ اشتراک صفر هر دو را صفر می‌کند بیز یکی را به دیگری تبدیل می‌کند
قاعدهٔ جمع در برابر قاعدهٔ ضرب «یا» / اجتماع در برابر «و» / اشتراک برای OR جمع کن (منهای اشتراک)، برای AND در طول درخت ضرب کن
حداقل یکی در برابر دقیقاً یکی A∪BA\cup B در برابر (A∩Bc)∪(Ac∩B)(A\cap B^{c})\cup(A^{c}\cap B) «حداقل» حالت هر دو را در بر می‌گیرد؛ «دقیقاً» آن را کنار می‌گذارد
احتمال کل در برابر بیز رو به جلو، میانگین‌گیری روی یک افراز در برابر رو به عقب، به‌روزرسانی یک علت مجهول، معلول است یا علت به شرط معلول؟

نکتهٔ کنکوری: دو واکنش سریع بیشتر سؤال‌های این حوزه را حل می‌کند. (۱) اول ترتیب، بعد فرمول — دنبال واژه‌ای بگردید که یک جایگاه را نام می‌برد («سوم»، «اولین»، «در یک ردیف»)؛ اگر چنین واژه‌ای باشد، شمارش یک جایگشت است و گزینهٔ انحرافی کلاسیک دقیقاً همان (nr)\binom{n}{r} است که ترتیب را نادیده می‌گیرد. (۲) وقتی صورت سؤال «هیچ‌کدام / هیچ‌یک» یا شرطی دربارهٔ دو نفیِ هم‌زمان به شما می‌دهد، اجتماع فقط یک تفریق فاصله دارد: P(A∪B)=1−P(Ac∩Bc)P(A\cup B)=1-P(A^{c}\cap B^{c})، و تلهٔ کارگذاشته‌شده خودِ مقدار میانی P(Ac∩Bc)P(A^{c}\cap B^{c}) است — داوطلب مرحلهٔ دشوار را درست انجام می‌دهد و 1−(⋅)1-(\cdot) پایانی را فراموش می‌کند. با احتساب نمرهٔ منفی، هر گزینه‌ای را هم که از سقف بدیهی فراتر می‌رود در نگاه اول کنار بگذارید (شمارشی بزرگ‌تر از nrn^{r}، یا احتمالی بیرون از [0,1][0,1] یا بزرگ‌تر از مجموع پیشامدهای درگیر). در تخصیص صحیح با مقادیر متمایز، پیش از شمارش جایگشت‌ها مقادیر را مرتب و حداقل مجموع را بررسی کنید؛ ستاره و میلهٔ نامقید ممکن است بردارهای ممنوع را بشمارد.

فرمول‌های کلیدی

Classical probability
P(A)=n(A)n(S)P(A)=\frac{n(A)}{n(S)}
Permutations (ordered, without replacement)
P(n,r)=n!(n−r)!P(n,r)=\frac{n!}{(n-r)!}
Combinations (unordered, without replacement)
(nr)=n!r! (n−r)!\binom{n}{r}=\frac{n!}{r!\,(n-r)!}
Ordered with replacement / combinations with repetition
nrand(n+r−1r)n^{r}\qquad\text{and}\qquad \binom{n+r-1}{r}
Permutations with repeated items
n!n1! n2!⋯nk!\frac{n!}{n_1!\,n_2!\cdots n_k!}
Complement rule
P(Ac)=1−P(A)P(A^{c})=1-P(A)
General addition rule
P(A∪B)=P(A)+P(B)−P(A∩B)P(A\cup B)=P(A)+P(B)-P(A\cap B)
Conditional probability
P(A∣B)=P(A∩B)P(B),P(B)>0P(A\mid B)=\frac{P(A\cap B)}{P(B)},\qquad P(B)>0
Multiplication rule
P(A∩B)=P(B) P(A∣B)=P(A) P(B∣A)P(A\cap B)=P(B)\,P(A\mid B)=P(A)\,P(B\mid A)
At least one via De Morgan
P(A∪B)=1−P(Ac∩Bc)P(A\cup B)=1-P(A^{c}\cap B^{c})
Law of total probability
P(A)=∑iP(Bi) P(A∣Bi)P(A)=\sum_{i} P(B_i)\,P(A\mid B_i)
Bayes' theorem
P(Bj∣A)=P(Bj)P(A∣Bj)∑iP(Bi)P(A∣Bi)P(B_j\mid A)=\frac{P(B_j)P(A\mid B_j)}{\sum_i P(B_i)P(A\mid B_i)}
Ordinary stars-and-bars: nonnegative amounts without upper bounds
(N+k−1k−1)\binom{N+k-1}{k-1}
Minimum and maximum sums of k distinct nonnegative amounts bounded by U
k(k−1)2≤N≤kU−k(k−1)2,U≥k−1\frac{k(k-1)}{2}\le N\le kU-\frac{k(k-1)}{2},\qquad U\ge k-1
Common-bound distinct allocations from sorted value lists
allocation count=k!×number of feasible increasing value lists\text{allocation count}=k!\times\text{number of feasible increasing value lists}
#counting#permutations#combinations#distinct-allocation#conditional-probability#independence#bayes-theorem

سوالات تمرینی · 8/14

همهٔ 14 سؤال →